Comment choisir son ESN IA en 2026 ? Le guide pour les ETI

Vous avez un projet d'intelligence artificielle. Votre équipe interne n'a pas toutes les compétences nécessaires — ou pas la bande passante. Vous devez trouver un partenaire externe.

Le problème : le marché est devenu illisible. ESN spécialisées, cabinets de conseil, freelances, ESN généralistes qui ajoutent "IA" à leur plaquette commerciale... Tout le monde fait de l'IA, du moins en apparence.

Ce guide vous donne les 8 critères concrets pour évaluer un partenaire IA, les questions à poser en rendez-vous, et les signaux d'alerte à repérer avant de signer. Il s'adresse aux DSI, CTO et directeurs de la transformation digitale d'ETI et de grands groupes.

Les 4 modèles d'accompagnement IA

Avant de choisir un prestataire, il faut comprendre les quatre grands modèles qui coexistent sur le marché français.

1. L'ESN IA spécialisée

Des entreprises comme Origin 137 ou Sicara concentrent 100 % de leur activité sur l'intelligence artificielle. Les profils sont des ingénieurs qui codent au quotidien, déploient en production et accumulent une expertise sectorielle forte. L'avantage principal : la densité technique. Chaque mission nourrit les suivantes. L'inconvénient : des équipes plus resserrées que les grands groupes de conseil.

2. Le cabinet de conseil

McKinsey, BCG Gamma, Bain — ces acteurs excellent sur la stratégie IA, les business cases et les roadmaps de transformation. Ils cadrent les enjeux de direction générale et alignent l'IA avec la stratégie d'entreprise. En revanche, la mise en production concrète est rarement leur terrain de jeu. Il faut souvent un second prestataire pour passer du PowerPoint au code.

3. Le freelance IA

Un expert individuel, souvent très pointu sur un domaine (NLP, computer vision, MLOps). La flexibilité est maximale et les tarifs peuvent être compétitifs. Mais un freelance, c'est une seule personne : pas de backup en cas de maladie, pas de scalabilité, et un bus factor de 1. Pour un POC exploratoire, c'est pertinent. Pour un système critique en production, c'est risqué.

4. L'ESN généraliste

Capgemini, Sopra Steria, Atos — ces groupes ont des milliers de consultants et une offre IA dans leur catalogue. L'avantage : la capacité à mobiliser du volume et la surface financière rassurante pour les achats. Le risque : l'IA est rarement leur coeur de métier. Les profils véritablement expérimentés en IA sont dilués dans des équipes généralistes, et les projets IA héritent souvent des mêmes processus lourds que les projets SI classiques.

En résumé : le bon modèle dépend de votre besoin. Stratégie pure ? Cabinet de conseil. Exploration ponctuelle ? Freelance. Système IA en production ? ESN spécialisée. Volume et contractualisation groupe ? ESN généraliste. La suite de ce guide vous aide à affiner votre choix, quel que soit le modèle retenu.

Les 8 critères pour choisir votre partenaire IA

1. Expertise technique vérifiable

C'est le critère le plus important et le plus simple à vérifier — à condition de poser les bonnes questions. Quels providers LLM maîtrisent-ils (Claude, GPT, Mistral, Llama) ? Ont-ils déployé des agents autonomes en production ? Savent-ils construire un pipeline RAG robuste ? Disposent-ils de compétences MLOps pour le monitoring et le déploiement continu ?

Signal d'alerte : un prestataire qui dit "on fait de l'IA" sans pouvoir détailler sa stack technique, ses retours d'expérience sur différents modèles, ou ses choix d'architecture sur des cas concrets.

2. Séniorité des profils

L'IA en production exige de l'expérience. Un ingénieur senior qui a déjà affronté les problèmes de qualité de données, de drift de modèles ou de latence en production vaut dix juniors qui découvrent le sujet.

Demandez les CV des profils qui interviendront réellement sur votre projet. Vérifiez leurs années d'expérience spécifiquement en IA — pas en développement logiciel en général.

Signal d'alerte : on vous présente des seniors en avant-vente, puis des juniors sont staffés sur votre mission. C'est une pratique courante dans les grandes structures, et c'est le premier facteur d'échec des projets IA.

3. Références en production

Les POC ne comptent pas. Un POC qui fonctionne en démo ne prouve rien sur la capacité à livrer un système fiable, performant et maintenable sur la durée.

Posez la question directement : quels systèmes IA avez-vous en production aujourd'hui ? Quel est leur uptime ? Combien d'utilisateurs les utilisent ? Depuis combien de temps tournent-ils ?

Signal d'alerte : un portefeuille composé uniquement de démos, de projets de recherche ou de POC abandonnés après la phase d'exploration.

4. Méthodologie de delivery

Un projet IA n'est pas un projet IT classique. Les incertitudes sont plus fortes, les itérations plus fréquentes, et le risque d'enlisement est réel sans méthodologie adaptée.

Un bon partenaire dispose d'un cadre structuré. Chez Origin 137, par exemple, chaque projet suit quatre phases : Discovery (cadrage et faisabilité), Pilote (première version fonctionnelle), Industrialisation (passage en production) et Go-live (déploiement et transfert). Ce cycle dure généralement 12 à 16 semaines et donne de la visibilité à toutes les parties prenantes.

Signal d'alerte : "on verra en agile" sans jalons clairs, sans critères de succès définis, et sans engagement sur un calendrier.

5. Transfert de compétences

C'est un critère que beaucoup d'ETI négligent — à tort. Si votre partenaire part et que votre équipe ne peut pas maintenir le système, vous êtes en situation de dépendance totale.

Vérifiez que le transfert de compétences est inscrit dans la prestation : pair programming avec vos équipes, documentation technique exhaustive, sessions de formation, code review partagée. L'objectif est que vos ingénieurs soient autonomes à la fin de la mission.

Signal d'alerte : un prestataire qui conçoit volontairement des systèmes opaques pour garantir sa propre indispensabilité. Si la documentation est absente et que seul le prestataire peut intervenir sur le code, c'est un piège.

6. Modèle d'engagement

Trois modèles dominent le marché, chacun avec ses avantages :

• Forfait : un périmètre fixe, un prix fixe. Adapté quand le besoin est bien défini. Risque : rigidité face aux évolutions de périmètre.
• Régie (Time & Materials) : facturation au temps passé. Plus de flexibilité, mais moins de prévisibilité budgétaire.
• Forward Deployed Engineer (FDE) : un ingénieur senior intégré à votre équipe sur la durée, qui combine l'expertise externe avec la connaissance de votre contexte métier. C'est le modèle qui génère le plus de transfert de compétences.

Pour en savoir plus sur ces modèles, consultez nos pages sur les Forward Deployed Engineers et le staffing IA.

7. Capacité à scaler

Votre projet pilote fonctionne et la direction veut accélérer. Votre partenaire peut-il mobiliser deux, trois, cinq ingénieurs supplémentaires en quelques semaines ?

Un freelance seul ne peut pas scaler. Une petite structure sans bench non plus. À l'inverse, une ESN spécialisée avec un vivier de profils qualifiés peut monter en charge rapidement sans sacrifier la qualité.

Signal d'alerte : une "agence IA" qui se révèle être une personne seule, sans capacité à renforcer l'équipe si votre projet prend de l'ampleur.

8. Proximité et culture

L'IA en entreprise, c'est autant un sujet humain que technique. Votre partenaire doit pouvoir travailler avec vos équipes au quotidien — en présentiel quand c'est nécessaire, en visio le reste du temps.

La compatibilité culturelle compte aussi : un prestataire habitué aux grands comptes industriels n'aura pas les mêmes réflexes qu'un acteur du monde startup. Ni l'un ni l'autre n'est meilleur — mais l'adéquation avec votre contexte fait la différence.

Découvrez nos implantations pour savoir si nous intervenons dans votre région.

Les 10 questions à poser en rendez-vous

Lors de vos échanges avec un prestataire potentiel, ces questions vous donneront rapidement une image claire de sa maturité IA :

1. "Montrez-moi un système IA que vous avez déployé en production." — La réponse la plus révélatrice. Si le prestataire ne peut citer que des POC, c'est un signal faible.

1. "Quel est le profil exact de l'ingénieur qui travaillera sur mon projet ?" — Demandez le CV, les années d'expérience IA, les projets similaires réalisés.

1. "Comment gérez-vous le transfert de compétences ?" — Attendez des réponses concrètes : pair programming, documentation, formation.

1. "Quelle est votre stack technique IA ?" — LLM providers, frameworks d'orchestration, outils MLOps, infrastructure de déploiement.

1. "Comment évaluez-vous la qualité d'un LLM en production ?" — Un prestataire sérieux parlera de benchmarks métier, d'évaluation humaine, de métriques de drift et de monitoring continu.

1. "Quelle est votre méthodologie projet ?" — Cherchez des phases claires, des jalons définis, des critères de go/no-go.

1. "Comment gérez-vous la sécurité et la confidentialité des données ?" — Hébergement souverain ? Anonymisation ? Conformité RGPD ? Audit de sécurité ?

1. "Pouvez-vous scaler l'équipe si le projet s'élargit ?" — Combien de profils disponibles ? Quel délai de mobilisation ?

1. "Quel est votre taux de rétention client ?" — Un bon indicateur de la qualité de service sur la durée.

1. "Que se passe-t-il si le projet ne donne pas les résultats attendus ?" — La réponse à cette question en dit long sur la maturité et l'honnêteté du prestataire.

Les red flags : les signaux qui doivent vous alerter

Certains comportements doivent déclencher une vigilance immédiate :

• Promettre des résultats IA sans avoir vu vos données. L'IA dépend fondamentalement de la qualité et de la structure des données. Tout prestataire qui garantit des résultats avant un audit data manque soit de compétence, soit d'honnêteté.

• Aucune référence en production. Après plusieurs années de maturité du marché IA, un prestataire sans système en production est un prestataire qui n'a pas encore fait ses preuves.

• Vendre de la "transformation IA" sans substance technique. Les slides sur la vision stratégique de l'IA ne valent rien sans la capacité à livrer du code qui tourne.

• Staffer des juniors sur des missions vendues comme senior. Vérifiez les profils effectivement affectés à votre projet, pas seulement ceux présentés en avant-vente.

• Absence de méthodologie. Un projet IA sans cadre structuré dérive systématiquement : délais, budget, périmètre — tout explose.

• Refus de s'engager sur des livrables concrets. Un bon partenaire sait dire ce qu'il va livrer, quand, et à quelles conditions.

Pourquoi les ETI choisissent Origin 137

Origin 137 est une ESN IA spécialisée, conçue pour les ETI et grands groupes qui veulent passer de l'expérimentation à la production.

Notre positionnement repose sur des choix clairs :

• Profils seniors uniquement. Chaque ingénieur déployé sur vos projets a une expérience significative en IA appliquée. Pas de bait-and-switch.

• Production-first. Notre métrique de succès n'est pas le nombre de POC livrés, mais le nombre de systèmes IA qui tournent en production chez nos clients.

• Méthode en 4 phases : Discovery, Pilote, Industrialisation, Go-live. Un cadre qui donne de la visibilité et limite les risques de dérive.

• Modèle FDE (Forward Deployed Engineer). Nos ingénieurs s'intègrent à vos équipes, travaillent sur votre codebase, et transfèrent leurs compétences au fil de la mission.

• Transfert de compétences systématique. À la fin de chaque mission, votre équipe est autonome. C'est notre engagement.

Découvrez nos expertises IA et notre méthode en détail.